[发明专利]基于灰度共生矩阵与RANSAC的工业产品表面缺陷视觉检测方法

摘要

基于灰度共生矩阵与RANSAC的工业产品表面缺陷视觉检测方法，本发明涉及灰度共生矩阵与RANSAC的工业产品表面缺陷视觉检测方法。本发明是为了解决传统表面缺陷检测方法适用范围窄、计算复杂、检测精度低的问题。本发明缺陷面积检测精度可达95％，可以用于金属元件的表面检测，且对玻璃元件、纸张、电子元器件等表面缺陷检测都有很强的适用性。在C++环境下，本发明算法针对640×480的工业图像的检测时间为200ms，较现有主流方法，检测效率高，稳定性好，适用于工业产品的快速检测场合。本发明应用于工业产品表面检测领域。

主权项

1.基于灰度共生矩阵与RANSAC的工业产品表面缺陷视觉检测方法，其特征在于，所述视觉检测方法的具体过程为：步骤一：对工业相机采集到的图像进行灰度化和中值滤波操作；步骤二：对步骤一中经灰度化和中值滤波操作后的图像，采用预存的图像模板，对中值滤波操作后的图像上的待检测表面块进行匹配与定位，并对该图像进行旋转，使其中的待测表面块与模板图像中的待检测表面块朝向一致；所述预存的图像模板是通过采集标准工业产品的相同检测表面得到的；步骤三：对步骤二得到的待检测表面块图像进行区域等分分割，得到N个局部图像区域，每个局部图像区域尺寸大小是H×W，其中H和W为系统预设值；步骤四：根据步骤三等分分割后的待检测表面块中的每个局部图像区域，计算灰度共生矩阵，并对灰度共生矩阵进行归一化，求解灰度共生矩阵的对比度、能量、相关度和同质性四个特征量，将所述四个特征量构成的向量作为局部图像区域的特征向量；步骤五：根据于步骤四得到的所有局部图像区域的特征向量，采用RANSAC算法进行一致性检测，在阈值T1条件下，将最大数目特征向量所对应的模型，作为待检测表面块上正常区域的标准特征向量，并求解该模型对应的所有特征向量的欧式距离标准差σ；步骤六：根据步骤五得到的标准特征向量以及欧式距离标准差σ，判断每个局部图像区域的特征向量：若局部图像区域的特征向量与标准特征向量的欧式距离小于3σ，则标记此局部图像区域为正常区域；否则，标记此图像区域为缺陷区域；步骤七：累加步骤六中所有缺陷区域得到其总面积，并求解缺陷区域总面积相对于待检测表面块面积的缺陷面积比，若缺陷面积比小于预设阈值T2，则判断该待检测表面块的缺陷检测结果为合格；否则，则判断该待检测表面块的缺陷检测结果为不合格。